A private data federation enables data owners to pool their information for querying without disclosing their secret tuples to one another. Here, a client queries the union of the records of all data owners. The data owners work together to answer the query using privacy-preserving algorithms that prevent them from learning unauthorized information about the inputs of their peers. Only the client, and a federation coordinator, learn the query's output. KloakDB is a private data federation that uses trusted hardware to process SQL queries over the inputs of two or more parties. Currently private data federations compute their queries fully-obliviously, guaranteeing that no information is revealed about the sensitive inputs of a data owner to their peers by observing the query's instruction traces and memory access patterns. Oblivious querying almost always exacts multiple orders of magnitude slowdown in query runtimes compared to plaintext execution, making it impractical for many applications. KloakDB offers a semi-oblivious computing framework, $k$-anonymous query processing. We make the query's observable transcript $k$-anonymous because it is a popular standard for data release in many domains including medicine, educational research, and government data. KloakDB's queries run such that each data owner may deduce information about no fewer than $k$ individuals in the data of their peers. In addition, stakeholders set $k$, creating a novel trade-off between privacy and performance. Our results show that KloakDB enjoys speedups of up to $117$X using k-anonymous query processing over full-oblivious evaluation.

中文翻译：

---

KloakDB：使用 $K$-匿名查询处理分析敏感数据的平台

私有数据联合使数据所有者能够将他们的信息集中起来进行查询，而无需相互泄露他们的秘密元组。在这里，客户端查询所有数据所有者的记录的联合。数据所有者使用隐私保护算法共同回答查询，以防止他们了解有关其对等方输入的未经授权的信息。只有客户端和联邦协调器了解查询的输出。KloakDB 是一个私有数据联合，它使用受信任的硬件来处理对两方或多方输入的 SQL 查询。目前，私有数据联合完全不经意地计算他们的查询，通过观察查询的指令跟踪和内存访问模式，保证不会将有关数据所有者的敏感输入的信息泄露给他们的对等方。与纯文本执行相比，不经意的查询几乎总是会导致查询运行时的多个数量级减慢，这使得它对于许多应用程序来说是不切实际的。KloakDB 提供了一个半遗忘的计算框架，$k$-匿名查询处理。我们将查询的可观察成绩单设为 $k$-匿名，因为它是许多领域数据发布的流行标准，包括医学、教育研究和政府数据。KloakDB 的查询是这样运行的，每个数据所有者都可以在他们的同行数据中推断出不少于 $k$ 个个人的信息。此外，利益相关者设置了 $k$，在隐私和性能之间创造了一种新颖的权衡。我们的结果表明，KloakDB 使用 k 匿名查询处理比完全不经意的评估获得高达 117 美元的加速。使其对许多应用程序不切实际。KloakDB 提供了一个半遗忘的计算框架，$k$-匿名查询处理。我们将查询的可观察成绩单设为 $k$-匿名，因为它是许多领域数据发布的流行标准，包括医学、教育研究和政府数据。KloakDB 的查询是这样运行的，每个数据所有者都可以在他们的同行数据中推断出不少于 $k$ 个个人的信息。此外，利益相关者设置了 $k$，在隐私和性能之间创造了一种新颖的权衡。我们的结果表明，KloakDB 使用 k 匿名查询处理比完全不经意的评估获得高达 117 美元的加速。使其对许多应用程序不切实际。KloakDB 提供了一个半遗忘的计算框架，$k$-匿名查询处理。我们将查询的可观察成绩单设为 $k$-匿名，因为它是许多领域数据发布的流行标准，包括医学、教育研究和政府数据。KloakDB 的查询是这样运行的，每个数据所有者都可以在他们的同行数据中推断出不少于 $k$ 个个人的信息。此外，利益相关者设置了 $k$，在隐私和性能之间创造了一种新颖的权衡。我们的结果表明，KloakDB 使用 k 匿名查询处理比完全不经意的评估获得高达 117 美元的加速。s 可观察的成绩单 $k$-匿名，因为它是许多领域数据发布的流行标准，包括医学、教育研究和政府数据。KloakDB 的查询是这样运行的，每个数据所有者都可以在他们的同行数据中推断出不少于 $k$ 个个人的信息。此外，利益相关者设置了 $k$，在隐私和性能之间创造了一种新颖的权衡。我们的结果表明，KloakDB 使用 k 匿名查询处理比完全不经意的评估获得高达 117 美元的加速。s 可观察的成绩单 $k$-匿名，因为它是许多领域数据发布的流行标准，包括医学、教育研究和政府数据。KloakDB 的查询是这样运行的，每个数据所有者都可以在他们的同级数据中推断出不少于 $k$ 个个人的信息。此外，利益相关者设置了 $k$，在隐私和性能之间创造了一种新颖的权衡。我们的结果表明，KloakDB 使用 k 匿名查询处理比完全不经意的评估获得高达 117 美元的加速。在隐私和性能之间创造一种新颖的权衡。我们的结果表明，KloakDB 使用 k 匿名查询处理比完全不经意的评估获得高达 117 美元的加速。在隐私和性能之间创造一种新颖的权衡。我们的结果表明，KloakDB 使用 k 匿名查询处理比完全不经意的评估获得高达 117 美元的加速。